Les chaînes de caractères

Chapitre 22 Les chaînes de caractères La plupart des ordinateurs modernes ne sont plus orientés calculs mais orientés mots. Il est donc important de savoir comment traiter ceux-ci. On peut toujours coder les mots et simuler les opérations sur ceux-ci. Mais, devant l importance de la manipulation des mots par ordinateurs de nos jours, les concepteurs des microprocesseurs s adaptent et créent des primitives pour celle-ci. 341

342 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES 22.1 Définition des chaînes de caractères Nous avons déjà vu ce qu est, mathématiquement, un mot : il s agit d une suite finie sur un alphabet, ensemble fini non vide quelconque. En informatique on préfère parler de chaînes de caractères (string en anglais) pour insister sur le fait qu on peut, en particulier, compter l espace comme un caractère. 22.1.1 Représentation des caractères Une chaîne de caractères étant une suite de caractères, il faut d abord s interroger sur la façon de représenter les caractères. Le microprocesseur ne connaît pas la notion de caractères. Il ne connaît que les codes des caractères, qui peuvent être considérés comme des entiers. Combien faut-il d entiers pour représenter les caractères? Il y a vingt-six lettres en français, mais sans distinguer les minuscules des majuscules, et sans tenir compte des signes diacritiques : é n est pas la même chose que e ou è. De plus on a besoin des chiffres, des signes de ponctuation et de quelques signes spéciaux. Nous avons vu que l on utilise de nos jours Unicode avec la possibilité de 65 536 caractères mais, à l époque de la conception des premiers microprocesseurs, on se contentait de 256 caractères. Pour le 8086/8088, un caractère est codé sur un octet. Qu importe le code utilisé. C est à l utilisateur (dans la pratique au concepteur du système d exploitation) de déterminer celui-ci. 22.1.2 Représentation des chaînes de caractères Définition.- Une chaîne de caractères est une suite d octets d adresses consécutives. Une chaîne de caractères est entièrement déterminée par son adresse et sa longueur. Adresse d une chaîne de caractères.- Soit la suite d octets w = o 1 o 2...o n. Si l adresse, en mémoire centrale, du premier octet o 1 est p alors celle du second octet o 2 est p + 1, celle du troisième octet o 3 est p+2,..., celle du n-ième octet o n est p+n 1. Il suffit donc de connaître l adresse du premier octet, p, qui est appelée l adresse de la chaîne de caractères. On remarquera que les octets sont numérotés naturellement de gauche à droite, contrairement aux bits d un octet ou d un mot, qui sont eux numérotés de droite à gauche. Longueur d une chaîne de caractères.- La détermination d une chaîne de caractères en mémoire centrale se fait par son adresse mais aussi par sa longueur n, ce qui permet de déterminer la fin de celle-ci. Exemple.- La chaîne de caractères Bonjour" de longueur 7 à l adresse 1024 sera représentée de la façon suivante en mémoire : 1024 B 1025 o 1026 n 1027 j 1028 o 1029 u 1030 r

22.2. ADRESSAGE INDIRECT PAR REGISTRE ET TABLEAUX 343 22.1.3 Jeu de caractères utilisé Les caractères sont des octets, ils sont donc limités à 256. Mais quels sont ces caractères? Le microprocesseur ne se prononce pas : ils sont repérés par des numéros de 0 à 255, il appartiendra ensuite au concepteur du système d exploitation de les interpréter, en particulier grâce à la ROM caractère. Dans le cas de l IBM-PC, il s agit de l alphabet ASCII étendu de deux façons : les caractères 0 à 31 sont remplacés par des caractères (dits semi-graphiques) propres à IBM et il y a le choix d un ASCII national pour les caractères de 128 à 255. 22.2 Adressage indirect par registre et tableaux Nous avons vu la notion de tableau dans le cours d initiation à la programmation et les services qu elle rend au programmeur. Cette notion, très utile dans les langages évolués, n existe pas en tant que telle en langage machine. Voyons ici la notion d adressage indirect, plus particulièrement l adressage indirect par registre, et comment celui-ci permet de mettre en place facilement les tableaux d octets, autrement dit les chaînes de caractères. 22.2.1 Notion Notion d adressage indirect.- Jusqu à maintenant nous avons manipulé des constantes (adressage immédiat), des valeurs se trouvant dans un registre (adressage registre) et des valeurs se trouvant à un emplacement donné de la mémoire vive (adressage direct). Une autre façon de faire est de désigner un emplacement mémoire (de deux octets) qui contient non pas la valeur désirée mais l adresse (en mémoire vive, c est la raison pour laquelle on a besoin de deux octets) contenant la valeur désirée. On parle alors d adressage indirect. Syntaxe de l adressage indirect par registre en langage symbolique.- Comme nous l avons déjà vu, en langage symbolique, pour désigner une constante on écrit celle-ci en hexadécimal, pour une valeur se trouvant dans un registre on écrit le nom du registre, pour une valeur se trouvant à un emplacement de la mémoire centrale on indique l adresse (une constante hexadécimale), ou plus exactement son déplacement, de cet emplacement entre crochets. Pour une valeur se trouvant à l adresse (de mémoire vive) désignée par le contenu d un registre (de seize bits, puisque c est la taille du déplacement), on indique le nom de ce registre entre crochets, par exemple [BX]. On parle alors d adressage indirect par registre. Registres concernés.- On ne peut pas utiliser n importe quel registre pour l adressage indirect par registre. Les seuls registres utilisables pour le 8086/8088 sont BX, BP, DI et SI. Les registres permis ne proviennent pas d une restriction logique mais d une question d économie de câblage du microprocesseur : on gagne sur le nombre de transistors en ne donnant pas toutes les fonctionnalités à chaque registre mais en les spécialisant quelque peu. Indication de la taille de l adressage indirect en langage symbolique.- L adressage indirect peut se faire pour des octets mais aussi pour des mots (deux octets). Lorsque cela n est pas clair on utilise les préfixes suivants dans le cas du langage symbolique (il s agit de codes d opération différents pour le langage machine) : byte ptr pour un octet; word ptr pour un mot.

344 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES Par exemple : MOV AL,[BX] est visiblement une instruction de copie d un octet mais : MOV [BX],10 est ambigu. On doit donc préciser, par exemple : MOV BYTE PTR [BX],10 Exemple.- Avec le mot Bonjour écrit à l adresse indiquée ci-dessus, la portion de programme suivant : MOV BX,1024 MOV CL,[BX] CMP BYTE PTR [BX],0 placera B dans le registre CL et le pointeur ZF ne sera pas nul puisque [BX] ne contient pas le caractère nul lors de la dernière ligne. Adresse physique.- Lors de l adressage indirect on indique l adresse logique et, en fait, que le décalage de celle-ci. Comme d habitude, si ceci n est pas suffisant, l adresse logique complète, et donc l adresse physique, est obtenue en utilisant l adresse de segment indiquée dans le registre DS pour les registres BX et SI, dans le registre ES pour DI. Langage machine.- Nous avons en fait déjà vu, sans nécessairement en comprendre toutes les subtibilités, comment on code ceci en langage machine. Pour un octet : mod reg r/m on utilise mod = 00, le registre dépendant de la valeur de r/m : 22.2.2 Un exemple r/m AE 100 [SI] 101 [DI] 111 [BX] Problème.- Écrivons un programme qui commence par placer Bonjour à partir de l adresse 3000 :402, suivi de la valeur sentinelle 0, puis qui compte le nombre de caractères de ce mot, c est-à-dire le nombre de caractères depuis le début jusqu à 0 non inclus, qui place la longueur dans le registre DX puis la reporte à l emplacement mémoire 3000 :400. Langage symbolique.- Le programme s écrit : MOV AX,3000 MOV DS,AX MOV BYTE PTR [402],42 MOV BYTE PTR [403],6F MOV BYTE PTR [404],6E MOV BYTE PTR [405],6A MOV BYTE PTR [406],6F MOV BYTE PTR [407],75

22.2. ADRESSAGE INDIRECT PAR REGISTRE ET TABLEAUX 345 MOV BYTE PTR [408],72 MOV BYTE PTR [409],0 MOV DX,0 MOV BX,402 debut: MOV AL,[BX] CMP AL,0 JE fin INC BX INC DX JMP debut fin: MOV [400],DX RET Langage machine.- La traduction de ce programme en langage machine donne : B8 00 30 8E D8 C6 06 02 04 42 C6 06 03 04 6F C6 06 04 04 6E C6 06 05 04 6A C6 06 06 04 6F C6 06 07 04 75 C6 06 08 04 72 C6 06 09 04 00 BA 00 00 BB 02 04 8A 07 3C 00 74 04 43 42 EB F5 89 16 00 04 C3 Codons ce programme : -E CS:100 B8 00 30 -E CS:103 8E D8 -E CS:105 C6 06 02 04 42 -E CS:10A C6 06 03 04 6F -E CS:10F C6 06 04 04 6E -E CS:114 C6 06 05 04 6A -E CS:119 C6 06 06 04 6F -E CS:11E C6 06 07 04 75 -E CS:123 C6 06 08 04 72 -E CS:128 C6 06 09 04 00 -E CS:12D BA 00 00 -E CS:130 BB 02 04 -E CS:133 8A 07

346 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES -E CS:135 3C 00 -E CS:137 74 04 -E CS:139 43 -E CS:13A 42 -E CS:13B EB 75 -E CS:13D 89 16 00 04 -E CS:141 C3 -R BX BX 0000 : -R CX CX 0000 :42 -N COUNT.COM -W Ecriture de 00042 octets -Q Après exécution du programme count.com, on vérifie que l on trouve bien une longueur de 7 à l emplacement mémoire choisi : -D 3000:400 3000:0400 07 00 42 6F 6E 6A 6F 75-72 00 00 00 00 00 00 00..Bonjour... 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3 Primitives de manipulation des mots 22.3.1 Copie L une des manipulations les plus courantes concernant les chaînes de caractères est la copie d une telle chaîne d un emplacement à un autre de la mémoire vive. On peut évidemment réaliser une telle copie avec les instructions que nous connaissons déjà. On peut également utiliser les deux nouvelles instructions MOVS et REP pour cela, ce qui aura pour conséquence de donner un code plus compact. Exercice.- Écrire un programme en langage machine permettant de copier la chaîne de caractères d adresse contenue dans AX et de longueur contenue dans CX à l adresse contenue dans BX. 22.3.1.1 Copie d un élément On sait copier un élément (octet ou mot) d un emplacement à un autre. Il existe cependant une instruction spécialisée pour ce faire, qui est surtout utile en conjonction avec une instruction de répétition spécialisée que nous verrons ensuite.

22.3. PRIMITIVES DE MANIPULATION DES MOTS 347 Syntaxe.- L instruction movs (pour MOVe a String) se décline sous les deux formes, en langage symbolique : et : MOVSB MOVSW pour copier un octet ou un mot. Paramètres.- Il semble manquer des informations dans l instructions ci-dessus. En fait, celles-ci sont apportées par les registres DS, SI, ES et DI : le couple de registres DS :SI (avec SI pour Source Index) doit contenir l adresse de l élément à copier ; le couple de registres ES :DI (avec DI pour Destination Index) doit contenir l adresse à laquelle il faut copier l élément. Langage machine.- Ces instructions sont codées sur un octet par : 1010 010w avec w = 0 pour la première et w = 1 pour la seconde, soit A4h et A5h respectivement. Après le transfert, SI et DI sont incrémentés si DF est nul ou décrémentés si DF vaut un. Ceci n a pas vraiment d importance pour l instant, mais en aura lorsqu on utilisera l instruction en conjonction avec REP. Exemple.- Écrivons un programme machine qui place A à l emplacement mémoire 3000 :400 et qui copie cette valeur à l emplacement 3000 :401. Le programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX MOV BYTE PTR [400],41 MOV AX,400 MOV SI,AX MOV AX,401 MOV DI,AX MOVSB POP ES POP DS RET sans oublier maintenant (ce que nous n avons pas fait jusqu à maintenant) de sauvegarder la valeur de DS (et, dans une moindre mesure, de ES) sur la pile puisque celle-ci est changée dans le programme, puis de la récupérer à la fin. La traduction de ce programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0 C6 06 00 00 41

348 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES B8 00 04 89 C6 B8 01 04 89 C7 A4 07 1F C3 Codons ce programme : -E CS:100 1E -E CS:101 06 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 C6 06 00 04 41 -E CS:10E B8 00 04 -E CS:111 89 C6 -E CS:113 B8 01 04 -E CS:116 89 C7 -E CS:118 A4 -E CS:119 07 -E CS:11A 1F -E CS:11B C3 -R BX BX 0000 : -R CX CX 0000 :1C -N MOVSB.COM -W Ecriture de 0001C octets -Q Après exécution du programme movsb.com, on vérifie que la copie a bien eu lieu : -D 3000:400 3000:0400 41 41 42 6F 6E 6A 6F 75-72 00 00 00 00 00 00 00 AABonjour... 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q

22.3. PRIMITIVES DE MANIPULATION DES MOTS 349 22.3.1.2 Copie répétée Langage symbolique.- Le préfixe REP (pour REPete) permet de répéter un certain nombre de fois l instruction qui suit, ce nombre de fois étant contenu dans le registre CX (pour l anglais Count extended register). Elle peut être employée en conjonction avec certaines opérations concernant les chaînes de caractères (MOVS, CMPS, SCAS, STOS) et donc, en particulier, avec des deux instructions définies précédemment pour obtenir : et : REP MOVSB REP MOVSW Langage machine.- Ce préfixe est codé sur un octet par : 1111 001z la valeur de z n ayant de sens que pour CMPS et SCAS, ce qui ne nous intéresse pas pour l instant, soit F2h ou F3h. Exemple.- Écrivons un programme en langage machine qui permette d écrire Bonjour à l emplacement mémoire 3000 :400, y compris son terminateur 0, puis de copier le contenu de cette chaîne de caractères à l adresse 3000 :408. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX MOV BYTE PTR [400],42 MOV BYTE PTR [401],6F MOV BYTE PTR [402],6E MOV BYTE PTR [403],6A MOV BYTE PTR [404],6F MOV BYTE PTR [405],75 MOV BYTE PTR [406],72 MOV BYTE PTR [407],0 MOV AX,400 MOV SI,AX MOV AX,408 MOV DI,AX MOV CX,8 REP MOVSB POP ES POP DS RET La traduction de ce programme en langage machine donne : 1E 06 B8 00 30

350 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES 8E D8 8E C0 C6 06 00 04 42 C6 06 01 04 6F C6 06 02 04 6E C6 06 03 04 6A C6 06 04 04 6F C6 06 05 04 75 C6 06 06 04 72 C6 06 07 04 00 B8 00 04 89 C6 B8 08 04 89 C7 F3 A4 07 1F C3 Codons ce programme : -E CS:100 1E -E CS:101 06 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 C6 06 00 04 42 -E CS:10E C6 06 01 04 6F -E CS:113 C6 06 02 04 6E -E CS:118 C6 06 03 04 6A -E CS:11D C6 06 04 04 6F -E CS:122 C6 06 05 04 75 -E CS:127 C6 06 06 04 72 -E CS:12C C6 06 07 04 00 -E CS:131 B8 00 04 -E CS:134 89 C6 -E CS:136 B8 08 04 -E CS:139 8C C7 -E CS:13B B9 08 00 -E CS:13E F3 -E CS:13F A4 -E CS:140 07 -E CS:141 1F -E CS:142 C3 -R BX BX 0000 : -R CX CX 0000 :43 -N MOVSB.COM -W

22.3. PRIMITIVES DE MANIPULATION DES MOTS 351 Ecriture de 00043 octets -Q Après exécution du programme movsb.com, on vérifie que l on trouve bien la copie de la chaîne de caractères à l emplacement mémoire choisi : -D 3000:400 3000:0400 42 6F 6E 6A 6F 75 72 00-42 6F 6E 6A 6F 75 72 00 Bonjour.Bonjour. 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.2 Remplissage On a souvent à remplir une partie de la mémoire avec le même octet, par exemple avec des 0 ou des espaces (dans le cas de l effacement de l écran, par exemple). Les concepteurs du 8086 ont donc implémenté une telle primitive, sous le nom de STOS pour STOre a String. 22.3.2.1 Stockage d un élément Syntaxe.- En langage symbolique, les deux instructions : et : STOSB STOSW (pour STOre a String) permettent de stocker l octet contenu dans le registre AL, respectivement le mot contenu dans le registre AX, à l adresse ES :DI. Langage machine.- Ces instructions sont codées sur un octet par : 1010 101w avec w = 0 pour la première et w = 1 pour la seconde, soit AAh et ABh respectivement. Après le transfert, SI est incrémenté de 1 pour AL, de 2 pour AX, si l indicateur de direction DF est nul ; sinon il y a décrémentation si DF vaut un. Ceci n a pas vraiment d importance pour l instant, mais en aura lorsqu on utilisera l instruction en conjonction avec le préfixe REP. Exemple.- Écrivons un programme machine qui place A à l emplacement mémoire 3000 :400. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX MOV AX,400 MOV DI,AX MOV AL, 41 STOSB

352 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1F 06 B8 00 30 8E D8 8E C0 B8 00 04 89 C7 B0 41 AA 07 1F C3 Codons ce programme : -E CS:100 1E -E CS:101 06 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 B8 00 04 -E CS:10C 89 C7 -E CS:10E B0 41 -E CS:110 AA -E CS:111 07 -E CS:112 1F -E CS:113 C3 -R BX BX 0000 : -R CX CX 0000 :14 -N STOSB.COM -W Ecriture de 00014 octets -Q Après exécution du programme stosb.com, on vérifie que l on a bien placé A à l emplacement mémoire choisi : -D 3000:400 3000:0400 41 6F 6E 6A 6F 75 72 00-42 6F 6E 6A 6F 75 72 00 Aonjour.Bonjour. 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00...

22.3. PRIMITIVES DE MANIPULATION DES MOTS 353 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.2.2 Remplissage d une zone Syntaxe.- Les deux instructions : et : REP STOSB REP STOSW permettent de remplir la zone d adresse ES :DI et de longueur celle contenue dans le registre CX (de longueur double dans le cas d un mot) avec, respectivement, l octet se trouvant dans le registre AL ou le mot dans le registre AX. Exemple.- Écrivons un programme machine qui place A dans les huit premières cases à partir de l emplacement mémoire 3000 :400. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX MOV AX,400 MOV DI,AX MOV AL,41 MOV CX,08 REP STOSB POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0 B8 00 04 89 C7 B0 41 B9 08 00 F3 AA 07 1F C3

354 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES Codons ce programme : -E CS:100 1E -E CS:101 06 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 B8 00 04 -E CS:10C 89 C7 -E CS:10E B0 41 -E CS:110 B9 08 00 -E CS:113 F3 -E CS:114 AA -E CS:115 07 -E CS:116 1F -E CS:117 C3 -R BX BX 0000 : -R CX CX 0000 :18 -N RSTOSB.COM -W Ecriture de 00018 octets -Q Après exécution du programme rstosb.com, on vérifie que l on a bien placé A aux emplacements mémoire choisis : -D 3000:400 3000:0400 41 41 41 41 41 41 41 41-42 6F 6E 6A 6F 75 72 00 AAAAAAAABonjour. 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.3 Chargement Nous avons vu comment copier le contenu de l accumulateur vers un emplacement mémoire, et même une zone d emplacements mémoire. On peut vouloir le contraire : copier d un emplacement mémoire vers l accumulateur. On peut évidemment faire ceci avec l instruction MOV. Une instruction nouvelle a été introduite par les concepteurs du 8086 qui permet en plus d incrémenter (ou décrémenter) la valeur du registre SI. Il s agit de LODS pour l anglais LOaD a String. 22.3.3.1 Chargement d un élément Langage symbolique.- On utilise les deux formes :

22.3. PRIMITIVES DE MANIPULATION DES MOTS 355 et : LODSB LODSW pour charger, respectivement, l octet ou le mot d adresse DS :SI dans le registre AL, respectivement AX. Langage machine.- Ces instructions sont codées sur un octet par : 1010 110w avec w = 0 pour la première et w = 1 pour la seconde. Après le transfert, SI est incrémenté de 1 pour w = 0, de 2 pour w = 1, si l indicateur de direction DF est nul ; sinon il y a décrémentation si DF vaut un. Ceci n a pas vraiment d importance pour l instant, mais en aura lorsqu on utilisera l instruction en conjonction avec LOOP. Exemple.- Écrivons un programme machine qui place A à l emplacement mémoire 3000 :400 puis récupère ce caractère, l incrémente (donc le transforme en B ) et le place en 3000 :401. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,DX MOV BYTE PTR [400],41 MOV AX,400 MOV SI,AX MOV AX,401 MOV DI,AX LODSB INC AL STOSB POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0 C6 06 00 04 41 B8 00 04 89 C6 B8 01 04 89 C7 AC FE C0

356 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES AA 07 1F C3 Codons ce programme : -E CS:100 1E -E CS:101 06 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 C6 06 00 04 41 -E CS:10E B8 00 04 -E CS:111 89 C6 -E CS:113 B8 01 04 -E CS:116 89 C7 -E CS:118 AC -E CS:119 FE C0 -E CS:11B AA -E CS:11C 07 -E CS:11D 1F -E CS:11E C3 -R BX BX 0000 : -R CX CX 0000 :1F -N LODSB.COM -W Ecriture de 0001F octets -Q Après exécution du programme lodsb.com, on vérifie que l on a bien placé A et B aux emplacements mémoire choisis : -D 3000:400 3000:0400 41 42 00 00 00 00 00 00-00 00 00 00 00 00 00 00 AB... 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.3.2 Chargement d une zone avec transformation Contexte.- On n utilise pas ces instructions avec le préfixe REP, puisqu on surchargerait l accumulateur. On les utilise, en liaison avec STOS pour une copie avec changement durant le transfert (comme nous l avons vu sur l exemple précédent). Dans ce cas le nombre de répétitions est contrôlé par l une des instructions de boucle suivantes.

22.3. PRIMITIVES DE MANIPULATION DES MOTS 357 Langage symbolique.- 1 o ) L instruction : LOOP décalage décrémente le contenu du registre CX et provoque un saut relatif court si le contenu de CX n est pas nul, décalage étant compris entre - 128 et 127. ou : LOOPE décalage LOOPZ décalage - 2 o ) L instruction : décrémente le contenu du registre CX et provoque un saut relatif court si l indicateur ZF vaut 1 et si le contenu de CX n est pas nul, autrement dit on sort de la boucle si (CX) = 0 ou si ZF = 0. Cette instruction permet, par exemple, de rechercher le premier terme non nul dans une suite de n octets. ou : LOOPNE décalage LOOPNZ décalage - 3 o ) L instruction : décrémente le contenu du registre CX et provoque un saut relatif court si l indicateur ZF vaut 0 et si le contenu de CX n est pas nul, autrement dit on sort de la boucle si (CX) = 0 ou si ZF = 1. Cette instruction permet, par exemple, de rechercher le premier terme nul dans une suite de n octets. Langage machine.- 1 o ) LOOP est codée sur deux octets par : soit E2h suivi du décalage. soit E1h suivi du décalage. soit E0h suivi du décalage. 1110 0010 décalage - 2 o ) LOOPE/LOOPZ est codée sur deux octets par : 1110 0001 décalage - 3 o ) LOOPNE/LOOPNZ est codée sur deux octets par : 1110 0000 décalage Exemple.- Dans le cas du code ASCII, les minuscules a,..., z ont les mêmes numéros que les majuscules A,..., Z correspondantes avec 20h de plus. Plaçons une chaîne de caractères écrite exclusivement en majuscule, formée que de A pour simplifier, à l adresse 3000 :400 de longueur 8 puis transférons-la à l adresse de décalage 408 en transformant les majuscules en minuscules. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX

358 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES MOV AX,400 MOV DI,AX MOV CX,8 MOV AL,41 REP STOSB MOV AX,400 MOV SI,AX MOV AX,408 MOV DI,AX MOV CX,8 DEBUT: LODSB ADD AL,20 STOSB LOOP DEBUT POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0 B8 00 04 89 C7 B8 00 04 89 C7 B9 08 00 B0 41 F3 AA B8 00 04 89 C6 B8 08 04 89 C7 B9 08 00 AC 04 20 AA E2 FA 07 1F C3 Codons ce programme : -E CS:100 1E -E CS:101 06

22.3. PRIMITIVES DE MANIPULATION DES MOTS 359 -E CS:102 B8 00 30 -E CS:105 8E D8 -E CS:107 8E C0 -E CS:109 B8 00 04 -E CS:10C 89 C7 -E CS:10E B9 08 00 -E CS:111 B0 41 -E CS:113 F3 -E CS:114 AA -E CS:115 B8 00 04 -E CS:118 89 C6 -E CS:11A B8 08 04 -E CS:11D 89 C7 -E CS:11F B9 08 00 -E CS:122 AC -E CS:123 04 20 -E CS:125 AA -E CS:126 E2 FA -E CS:128 07 -E CS:129 1F -E CS:12A C3 -R BX BX 0000 : -R CX CX 0000 :2B -N LOOP.COM -W Ecriture de 0002B octets -Q Après exécution du programmeloop.com, on vérifie que l on a bien placé huit A et reporté huit a aux emplacements mémoire choisis : -D 3000:400 3000:0400 41 41 41 41 41 41 41 41-61 61 61 61 61 61 61 61 AAAAAAAAaaaaaaaa 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.4 Comparaison 22.3.4.1 Comparaison de deux octets ou de deux mots Introduction.- Nous avons souvent besoin de comparer deux chaînes de caractères, c est-à-dire à déterminer si elles sont égales ou si la première vient avant la seconde dans l ordre lexicographique. Là encore, les concepteurs du 8086 ont implémenté cette opération comme primitive avec l instruction CMPS pour l anglais CoMPare Strings.

360 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES Langage symbolique.- On utilise les deux formes : et : CMPSB CMPSW pour la comparaison. Sémantique.- Cette instruction soustrait, respectivement, l octet ou le mot se trouvant à l emplacement ES :DI à l octet ou au mot se trouvant à l emplacement DS :SI et positionne les indicateurs en conséquence. Le contenu de la mémoire n est pas affecté par cette instruction. Les registres SI et DI sont incrémentés ou décrémentés suivant la valeur de l indicateur de direction. Langage machine.- Ces instructions sont codées sur un octet par : 1010 011w avec w = 0 pour la première et w = 1 pour la seconde, c est-à-dire A6h ou A7h. 22.3.4.2 Comparaisons itérées Les deux instruction sprécédentes peuvent être répétées si elles sont précédées des préfixes REP, REPNZ ou REPZ. Nous avons déjà rencontré la répétition inconditionnelle, voyons maintenant les répétitions conditionnelles. Répétitions conditionnelles.- Pour déterminer si deux chaînes de caractères sont égales, on va les comparer caractère par caractère. L instruction de répétition REP n est pas très adaptée à ce cas car on va décrire les deux chaînes en entier alors qu on peut s arrêter dès qu on trouve deux emplacements qui divergent. - 1 o ) Le préfixe REPNE ou REPNZ (pour REPetition if No Equal et REPetition if No Zero) permet la répétition de CMPS jusqu à ce que le contenu de CX soit nul, à moins que les deux termes soient égaux. - 2 o ) Le préfixe REPE ou REPZ (pour REPetition if Equal et REPetition if Zero) permet la répétition de CMPS jusqu à ce que le contenu de CX soit nul, à moins que les deux termes soient différents. On a répétition tant que CX est non nul et que l indicateur ZF est égal à 1. Langage machine.- Ce préfixe est codé sur un octet, avec le même code que REP : soit F2h pour REPNZ et F3h pour REPE. 1111 001z Exemple.- Écrivons un programme qui place la chaîne de caractères Bon à l emplacement mémoire 3000 :400, la chaîne de caractères BOn à l emplacement mémoire 3000 :403 puis qui compare les deux chaînes de caractères placées aux décalages 400h et 403h sur trois caractères, plaçant 0 à l emplacement 406h si ces chaînes sont différentes et 1 sinon. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,3000 MOV DS,AX MOV ES,AX MOV BYTE PTR [400],42

22.3. PRIMITIVES DE MANIPULATION DES MOTS 361 MOV BYTE PTR [401],6F MOV BYTE PTR [402],6E MOV BYTE PTR [403],42 MOV BYTE PTR [404],4F MOV BYTE PTR [405],6E MOV AX,400 MOV SI,AX MOV AX,403 MOV DI,AX MOV CX,3 REPZ CMPSB JNZ NZ MOV BYTE PTR [406],1 JMP FIN NZ: MOV BYTE PTR [406],0 FIN: POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0 C6 06 00 04 42 C6 06 01 04 6F C6 06 02 04 6E C6 06 03 04 42 C6 06 04 04 4F C6 06 05 04 6E B8 00 04 89 C6 B8 03 04 89 C7 B9 03 00 F3 A6 75 07 C6 06 06 04 01 EB 05 C6 06 06 04 00 07 1F C3 Codons ce programme : -E CS:0100 1E

362 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES -E CS:0101 06 -E CS:0102 B8 00 30 -E CS:0105 8E D8 -E CS:0107 8E C0 -E CS:0109 C6 06 00 04 42 -E CS:010E C6 06 01 04 6F -E CS:0113 C6 06 02 04 6E -E CS:0118 C6 06 03 04 42 -E CS:011D C6 06 04 04 4F -E CS:0122 C6 06 05 04 6E -E CS:0127 B8 00 04 -E CS:012A 89 C6 -E CS:012C B8 03 04 -E CS:012F 89 C7 -E CS:0131 B9 03 00 -E CS:0134 F3 -E CS:0135 A6 -E CS:0136 75 07 -E CS:0138 C6 06 06 04 01 -E CS:013D EB 05 -E CS:013F C6 06 06 04 00 -E CS:0144 07 -E CS:0145 1F -E CS:0146 C3 -R BX BX 0000 : -R CX CX 0000 :47 -N CMPSB.COM -W Ecriture de 00047 octets -Q Après exécution du programme cmpsb.com, on vérifie que l on a bien placé 0 à l emplacement mémoire choisi : -D 3000:400 3000:0400 42 6F 6E 42 4F 6E 00 41-61 61 61 61 61 61 61 61 BonBOn.Aaaaaaaaa 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.5 Recherche Introduction.- On a également souvent à rechercher si une chaîne de caractères contient tel ou tel caractère. Ceci donne lieu à la dernière primitive implémentée sur le 8086 pour les chaînes de caractères, à savoir SCAS pour l anglais SCAn a String.

22.3. PRIMITIVES DE MANIPULATION DES MOTS 363 Langage symbolique.- On utilise les deux formes : et : SCASB SCASW pour la comparaison. Sémantique.- Cette instruction soustrait, respectivement, l octet ou le mot se trouvant à l emplacement ES :DI à l octet ou au mot se trouvant dans le registre AL ou AX et positionne les indicateurs en conséquence. Le contenu de la mémoire n est pas affecté par cette instruction. Le registre DI est incrémenté ou décrémenté suivant la valeur de l indicateur de direction, d une unité ou deux suivant la taille des termes comparés. Langage machine.- Ces instructions sont codées sur un octet : 1010 111w avec w = 0 pour la première et w = 1 pour la seconde. Exemple.- Écrivons un programme qui place la chaîne de caractères Bon à l emplacement mémoire 3000 :400 puis qui recherche si le caractère o apparaît dans celle-ci, plaçant 2 ou 1 à l emplacement 3000 :404 suivant qu il apparaît ou non. Le sous-programme en langage symbolique s écrit : PUSH DS PUSH ES MOV AX,CS MOV DS,AX MOV ES,AX MOV BYTE PTR [400],42 MOV BYTE PTR [401],6F MOV BYTE PTR [402],6E MOV AX,400 MOV DI,AX MOV CX,3 MOV AL,6F REPNZ SCASB JNZ NZ MOV BYTE PTR [404],2 JMP FIN NZ: MOV BYTE PTR [404],1 FIN: POP ES POP DS RET La traduction de ce sous-programme en langage machine donne : 1E 06 B8 00 30 8E D8 8E C0

364 CHAPITRE 22. LES CHAÎNES DE CARACTÈRES C6 06 00 04 42 C6 06 01 04 6F C6 06 02 04 6E B8 00 04 89 C7 B0 6F F2 AE 75 07 C6 06 04 04 02 EB 05 C6 06 04 04 01 07 1F C3 Codons ce programme : -E CS:0100 1E -E CS:0101 06 -E CS:0102 B8 00 30 -E CS:0105 8E D8 -E CS:0107 8E C0 -E CS:0109 C6 06 00 04 42 -E CS:010E C6 06 01 04 6F -E CS:0113 C6 06 02 04 6E -E CS:0118 B8 00 04 -E CS:011B 89 C7 -E CS:011D B9 03 00 -E CS:0120 B0 6F -E CS:0122 F2 -E CS:0123 AE -E CS:0124 75 07 -E CS:0126 C6 06 04 04 02 -E CS:012B EB 05 -E CS:012D C6 06 04 04 01 -E CS:0132 07 -E CS:0133 1F -E CS:0134 C3 -R BX BX 0000 : -R CX CX 0000 :35 -N SCASB.COM -W Ecriture de 00035 octets -Q Après exécution du programme scasb.com, on vérifie que l on a bien placé 2 à l emplacement mémoire choisi :

22.4. HISTORIQUE 365 -D 3000:400 3000:0400 42 6F 6E 42 02 6E 00 41-61 61 61 61 61 61 61 61 BonB.n.Aaaaaaaaa 3000:0410 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0420 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0430 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0440 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... 3000:0450 00 00 00 00 00 00 00 00-00 00 00 00 00 00 00 00... -q 22.3.6 Choix de la direction Dans tous les exemples ci-dessus, nous avons choisi la direction croissante. Considérons un exemple pour lequel le choix de la direction ne peut pas être arbitraire. Exemple.- Considérons le problème suivant : déplacer la chaîne de caractère de l emplacement 400h-420h à l emplacement 402h-422h du segment d adresse 3000h. À cause de l empiètement, on ne peut pas effectuer le déplacement dans l ordre croissant : les octets 400h et 401h pourraient être copiés dans les octets 402h et 403h ; mais, au moment de déplacer l octet 402h, la valeur originelle de celui-ci aurait disparue. On doit donc nécessairement copier dans l ordre inverse : d abord l octet de l emplacement 420h en 422h. Exercice.- Écrire un programme complet correspondant au problème ci-dessus. Langage symbolique.- On utilise l indicateur DF (pour Direction Flag) pour indiquer le sens de la copie : s il vaut 0, on copie de façon naturelle dans l ordre croissant; s il vaut 1, on copie dans l ordre décroissant. Il existe deux instructions : CLD et : STD pour spécifier ce sens. L instruction CLD (pour CLear Direction flag) met l indicateur de direction à zéro. L instruction STD (pour SeT Direction flag) met l indicateur de direction à 1. Langage machine.- Ces instructions sont codées sur un octet respectivement par : 1111 1100 soit FCh et par : 1111 1101 soit FDh. 22.4 Historique Le premier ordinateur (EDSAC, 1949 ; voir chapitre??) n utilise aucune instruction de manipulation des caractères car il est orienté calcul. Il n y a pas non plus de registre d index ; pour effectuer des opérations sur les éléments d un tableau, il est nécessaire au programme de modifier les adresses de ses propres instructions. Le registre d index est inventé en 1950.